1. 为什么需要Web日志切面在开发Web应用时记录请求和响应日志是最基础的需求之一。想象一下当线上出现问题时如果没有详细的日志记录排查问题就像在黑暗中摸索。传统的做法是在每个Controller方法中手动打印日志但这样会导致大量重复代码维护起来非常麻烦。我遇到过这样一个场景一个电商系统的订单接口突然出现异常但由于缺乏详细的请求参数记录花了整整一天才定位到是某个特定用户提交了异常数据。如果当时有完整的请求日志可能10分钟就能解决问题。SpringBoot的AOP面向切面编程完美解决了这个问题。通过Aspect注解我们可以定义一个切面类在方法执行前后自动插入日志逻辑。这样不仅减少了重复代码还能确保所有接口的日志格式统一。2. 基础日志实现2.1 最小化切面配置先来看一个最简单的日志切面实现。这个版本会记录请求URL、方法名和参数Slf4j Aspect Component public class BasicLogAspect { Pointcut(execution(* com.example.controller..*.*(..))) public void webLog() {} Around(webLog()) public Object doAround(ProceedingJoinPoint joinPoint) throws Throwable { // 获取请求信息 HttpServletRequest request ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest(); // 记录请求信息 log.info(请求URL: {}, request.getRequestURL()); log.info(HTTP方法: {}, request.getMethod()); log.info(请求参数: {}, Arrays.toString(joinPoint.getArgs())); // 执行目标方法 Object result joinPoint.proceed(); // 记录响应信息 log.info(响应结果: {}, result); return result; } }这个基础版本虽然简单但已经能解决80%的日常需求。我在多个项目中实践后发现即使是这么简单的日志记录也能大幅提升问题排查效率。2.2 获取更详细的请求信息实际项目中我们通常需要更详细的信息。比如客户端IP、请求头等。下面是增强版的实现Before(webLog()) public void doBefore(JoinPoint joinPoint) { HttpServletRequest request ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest(); // 获取请求头 EnumerationString headers request.getHeaderNames(); while(headers.hasMoreElements()) { String name headers.nextElement(); log.info(请求头 {}: {}, name, request.getHeader(name)); } // 获取请求参数 MapString, String[] params request.getParameterMap(); params.forEach((k,v) - log.info(参数 {}: {}, k, String.join(,, v))); }这里使用了Before注解在方法执行前记录信息。特别注意获取请求头的方式这在调试跨域等问题时特别有用。3. 性能优化异步日志处理3.1 同步日志的性能瓶颈在压力测试中我发现当QPS达到1000以上时同步写日志会导致明显的性能下降。这是因为日志IO操作会阻塞业务线程特别是在使用文件或数据库存储日志时。测试数据显示同步日志会使接口响应时间增加20-50ms。对于高并发系统这个开销是不可接受的。3.2 引入线程池实现异步Spring的Async注解可以轻松实现异步处理。首先在配置类启用异步支持Configuration EnableAsync public class AsyncConfig { Bean public Executor logExecutor() { ThreadPoolTaskExecutor executor new ThreadPoolTaskExecutor(); executor.setCorePoolSize(5); executor.setMaxPoolSize(10); executor.setQueueCapacity(1000); executor.setThreadNamePrefix(log-async-); executor.initialize(); return executor; } }然后改造切面类Async(logExecutor) Around(webLog()) public Object doAround(ProceedingJoinPoint joinPoint) throws Throwable { // 日志记录逻辑 }经过优化后日志操作不再阻塞主线程。实测在高并发场景下接口响应时间几乎不受影响。3.3 异步处理的注意事项线程池配置要根据系统负载合理设置线程池大小。我一般设置corePoolSize为CPU核心数1异常处理异步方法抛出的异常不会被主线程捕获需要在切面内部处理上下文传递异步线程会丢失MDC等线程绑定的上下文信息需要手动传递4. 数据安全敏感信息脱敏4.1 为什么需要脱敏在一次安全审计中我们发现日志中完整记录了用户的身份证号和银行卡号这违反了GDPR等数据保护法规。于是紧急开发了日志脱敏功能。4.2 基于注解的脱敏方案首先定义一个脱敏注解Retention(RetentionPolicy.RUNTIME) Target(ElementType.FIELD) public interface Sensitive { SensitiveType type(); } public enum SensitiveType { ID_CARD, PHONE, BANK_CARD, EMAIL }然后实现脱敏工具类public class SensitiveUtil { public static String desensitize(String str, SensitiveType type) { switch(type) { case ID_CARD: return str.replaceAll((\\d{4})\\d{10}(\\w{4}), $1****$2); case PHONE: return str.replaceAll((\\d{3})\\d{4}(\\d{4}), $1****$2); // 其他类型处理 default: return str; } } }最后在切面中应用脱敏Object result joinPoint.proceed(); if(result ! null) { // 反射获取字段 Field[] fields result.getClass().getDeclaredFields(); for(Field field : fields) { if(field.isAnnotationPresent(Sensitive.class)) { field.setAccessible(true); Object value field.get(result); if(value ! null) { String masked SensitiveUtil.desensitize( value.toString(), field.getAnnotation(Sensitive.class).type()); field.set(result, masked); } } } }4.3 性能优化建议反射操作会影响性能可以通过以下方式优化使用缓存存储类的元数据信息预编译脱敏正则表达式对于高频访问的类考虑使用字节码增强技术5. 日志存储从控制台到ELK5.1 控制台日志的局限性开发环境使用控制台输出日志很方便但在生产环境会遇到问题日志分散在多台服务器无法进行全文搜索历史日志难以归档5.2 集成ELK方案ELKElasticsearch Logstash Kibana是流行的日志管理方案。改造切面将日志发送到LogstashAutowired private RestHighLevelClient elasticsearchClient; AfterReturning(pointcutwebLog(), returningresult) public void afterReturning(JoinPoint joinPoint, Object result) { // 构建日志文档 MapString, Object doc new HashMap(); doc.put(timestamp, new Date()); doc.put(method, joinPoint.getSignature().getName()); // 其他字段... // 异步写入ES elasticsearchClient.indexAsync( new IndexRequest(web-log).source(doc), RequestOptions.DEFAULT, new ActionListener() { Override public void onResponse(IndexResponse r) {} Override public void onFailure(Exception e) { log.error(ES写入失败, e); } }); }5.3 存储优化技巧索引设计按日期创建索引如web-log-2023-08-01方便管理字段映射为常用字段设置合适的类型比如timestamp设为date批量写入使用Bulk API减少网络开销6. 高级功能链路追踪与性能监控6.1 添加TraceID在微服务架构中一个请求可能经过多个服务。为每个请求分配唯一TraceID非常重要Around(webLog()) public Object doAround(ProceedingJoinPoint joinPoint) throws Throwable { String traceId UUID.randomUUID().toString(); MDC.put(traceId, traceId); try { return joinPoint.proceed(); } finally { MDC.remove(traceId); } }在logback配置中引用TraceIDpattern%d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %X{traceId} %logger{50} - %msg%n/pattern6.2 接口耗时统计性能监控是生产环境的重要需求。我们可以扩展切面来记录接口耗时Around(webLog()) public Object doAround(ProceedingJoinPoint joinPoint) throws Throwable { long start System.currentTimeMillis(); try { return joinPoint.proceed(); } finally { long cost System.currentTimeMillis() - start; log.info(接口耗时: {}ms, cost); // 推送到监控系统 metricsClient.record(api.cost, cost); } }6.3 告警机制对于慢查询可以设置自动告警if(cost 1000) { // 超过1秒 alertService.sendAlert(慢接口告警, joinPoint.getSignature() 耗时 cost ms); }7. 最佳实践与常见问题7.1 生产环境配置建议日志级别生产环境使用INFO级别避免DEBUG日志影响性能采样率在高流量系统中可以考虑采样记录如只记录1%的请求敏感字段确保密码、token等字段永远不会被记录7.2 常见问题排查问题1切面不生效检查是否添加了EnableAspectJAutoProxy确认切点表达式匹配到了目标方法问题2获取不到HttpServletRequest确保请求是通过DispatcherServlet处理的异步场景需要手动传递RequestAttributes问题3循环依赖切面不要依赖会被自己拦截的Bean使用Lazy注解解决循环依赖7.3 性能测试数据以下是在不同场景下的性能对比测试环境4核8GSpringBoot 2.7场景QPS平均响应时间CPU使用率无日志1200023ms65%同步日志850045ms82%异步日志1150025ms68%可以看到异步日志方案几乎不影响系统性能。